3S Market deliver Smart and Valuable information for Business
3S Market 傳遞 智慧應用與價值的商業資訊
The Rise Of Solar Power 太陽能的興起
 智慧健康醫護與生活新科技
智慧城市\智慧生活應用科技 |
智慧建築\智慧家庭應用解決方案 |
2021年5月7日 星期五
．2021\05\07\3S MARKET Daily 智慧產業新資訊
．人臉年齡估計研究現狀
Real-Time of Face Detection, Emotion, Age and Gender Estimation
即時臉部檢測、情緒、年齡和性別估計
今天給大家帶來一篇人臉辨識中的年齡估計技術，年齡特徵作為人類的一種重要生物特徵，電腦要如何基於人臉圖像估計年齡呢？
01 概述
簡單地說，基於人臉圖像的年齡，估計是指機器根據臉部圖像，推測出人的大概年齡，或所屬的年齡範圍 ( 年齡段)。
基於人臉圖像的年齡估計系統，一般分為人臉檢測與定位、年齡特徵提取、年齡估計、系統性能評價幾個部分。根據提取特徵方式的不同，又分為傳統方法和深度學習方法。
同一張圖在不同應用中的測定（左商湯，右年齡檢測器）
不同的人臉在同一應用中測定 (百度雲 AI 為例)
不同年齡、不同膚色，在年齡估計系統中評分測試
如果人臉圖像的年齡估計問題得到解決，那麼在日常生活中，基於年齡資訊的各種人機交互系統，將在現實生活中有著極大的應用需求。
市場主流年齡估計軟體，對岸中國包括商湯科技、face++、百度雲 AI 體驗中心、騰訊雲 AI 體驗中心、年齡檢測儀。
我們隨機拿了一些名人照片做測試，總體說來 face++ 在測試集上表現最好。
02 人臉年齡數據集與算法評價指標
2.1 公開數據集
2.1.1 The IMDB-WIKI dataset 數據集 【1】
網址： https://data.vision.ee.ethz.ch/cvl/rrothe/imdb-wiki/
介紹：從 IMDb 和維基百科上，爬取的名人圖片，根據照片拍攝時間戳和出生日期，計算得到的年齡資訊。應該是目前最大的人臉年齡數據集
大小： 共 523051 張 face images
標籤：年齡和性別
2.1.2 Adience Benchmark Of Unfiltered Faces For Gender And Age Classification 數據集【2】
網址： https://www.openu.ac.il/home/hassner/Adience/data.html#frontalized
介紹：iPhone5 或更新的智慧手機拍攝
標籤：年齡段（0-2, 4-6, 8-13, 15-20, 25-32, 38-43, 48-53, 60+）
大小：26580 張、 2284 人
2.1.3 Cross-Age Celebrity Dataset (CACD)【3】
網址： http://bcsiriuschen.github.io/CARC/
描述：與數據集 2.1.1 類似
標籤：年齡
大小：163446 張名人圖片，約 4.4G
2.2 算法評價指標
目前常用的年齡估計評價指標，包括平均絕對誤差 ( MAE) 和累積指數 ( CS) 。
2.2.1 MAE
平均絕對誤差，是指估計年齡和真實年齡之間絕對誤差的平均值，其表達式為
2.2.2 CS
年齡估計性能評價中，人們關注更多的是，所估計出的年齡值的絕對誤差範圍，是否在人們能接受的範圍內，因此累積指數被用於年齡估計的性能評價中，累積指數的定義如下：
式中，Nθ≦j 表示測試圖像中，估計年齡與真實年齡的絕對誤差，不超過 j 年的測試圖像數，分母 N 為所有測試圖像的總數。因此 CS 越大，說明估計年齡越接近真實年齡，年齡估計越準確。
03 傳統方法研究思路
傳統方法研究思路，自然就是手動提取特徵，我們基於參考文獻【4】來做說明。
傳統方法即手動提取特徵，傳統方法可粗略劃分為手動提取特徵，和年齡估計兩個階段。
根據特徵所反映的人臉資訊，可以將常用的人臉年齡特徵，分為形狀特徵、紋理特徵、代數特徵以及混合特徵。
由於每種類型的特徵，均從不同角度描述了人臉圖像，為了充分利用各種特徵的優點，研究人員通常綜合整合多種人臉特徵，並採用不同的數學方法，對其進行處理，從而形成了各具特色的臉部年齡特徵提取模型。
常見的特徵提取模型，包括人體測量學模型 ( anthropometric models) 、特徵子空間模型 ( AGES) 、柔性模型 ( flexible models) 、流形學習 ( age manifold)， 以及外觀模型 ( appearance model) 等。
3.1 特徵提取模型
3.1.1 人體測量學模型
a) 主要內容：
人體測量學模型，利用了人臉的幾何形狀特徵，進行年齡分類，主要是描述隨著年齡的成長，人臉整體輪廓變化的數學規律，它所測量的，是人臉的一種結構資訊。主要過程歸納為：人臉輪廓檢測、人臉特徵點定位、多種幾何比例測量（如兩眼之間的間距、兩眼之間的間距等），最後利用幾何比例，進行年齡段的區分。
b) 適用範圍：
主要適合於對未成年人，進行年齡分類
c) 侷限性：
由於該模型，對人體姿態變換比較敏感，因此主要適用於提取正面人臉圖像的年齡特徵
3.1.2 柔性模型
a) 主要內容：
柔性模型將人臉的形狀，與灰度 / 紋理有機結合起來，從整體入手，充分提取人臉圖像的形狀資訊和全局紋理資訊，可以看作是人體測量學模型的升級版，其典型的代表是主動形狀模型 ( ASM) 和主動外觀模型 ( AAM)。
b) 適用範圍：
該模型可以更好地適應，複雜圖像的特徵點定位和特徵提取，不僅適用於對青少年進行年齡分類，也適用於對中老年人進行分類。
c) 局限性：
1) 隨著年齡的成長，人臉紋理的變化，更多地體現在局部區域，如額頭、眼角、臉頰等，因此採用該模型進行特徵提取時，將會丟失掉很多局部紋理資訊，可能不利於對老年人進行年齡估計。
2) 在訓練過程中，柔性模型通常將形狀和紋理空間分別進行訓練，這將會損失掉大量紋理和形狀之間的有效資訊。
3) 此外柔性模型的確定，依賴於很多臉部特徵點的準確定位，一旦定位出現誤差，這種誤差將很容易在後續處理中被放大。
3.1.3 外觀模型
a) 主要內容：
外觀模型將人臉幾何特徵與全局資訊，局部資訊（如面部紋理信息、頻率信息和膚色信息）相融合，進行人臉描述，進而進行年齡估計，可以看作是柔性模型的升級版，目前應用最為廣泛。
b) 適用範圍：
它較好地描述了臉部的紋理特性，並常常與形狀特徵相融合，可以較好地實現全年齡段的年齡估計。
c) 侷限性：
只能用於粗略估計，給出一個大概的年齡段。
3.2 年齡估計
基於人臉圖像的年齡估計，是一類「特殊」的模式辨識問題: 一方面由於每個年齡值，都可以看作是一個類，所以年齡估計，可以被看作是一種分類問題；
另一方面，年齡值的成長，是一個有序數列的不斷變化過程，因此年齡估計，也可被視為一種回歸問題。有研究者透過對已有年齡估計工作，進行總結後認為: 針對不同的年齡數據庫，和不同的年齡特徵、分類模式，和回歸模式具有各自的優越性，因此將二者有機融合，可以有效提高年齡估計的精度。
由於傳統的年齡估計模式，忽略了人臉衰老的動態性，最近研究人員又將 Rank 模型，引入到年齡估計方法中，並取得了較好的效果。
3.2.1 分類模型
每個年齡值，都可以看作是一個類，所以年齡估計，可以被看作是一種分類問題。分類模式採用模式分類的理念與方法，實現年齡的估計。可以分為對年齡段進行分類，和對具體年齡值進行分類。
3.2.2 回歸模型
年齡值的成長，是一個有序數列的不斷變化過程，因此年齡估計也可被視為一種回歸性問題。回歸模式運用回歸分析的方法，透過建立表徵人臉年齡變化，規律的函數模型，來實現年齡的估計。
3.2.3 Rank 模型
人類衰老，是一個「動態」變化的個性化過程。傳統的基於分類模式的年齡估計，把年齡分成了若干個年齡段，沒有考慮到不同年齡之間的相互關係，因此損失了很多重要的資訊 ; 傳統的回歸模式雖然考慮到了年齡之間的相關性，但是卻假設人的衰老，是一個「靜態」過程，即不同年齡的人的衰老變化規律一致。
此外，在日常生活中，我們對一個人進行年齡判定時，總是將該人臉與我們熟悉的，且知道相應年齡的人臉圖像進行比較，透過綜合大量的比較結果，進行年齡判斷。
因此，年齡估計過程可以看成，是對大量人臉有效資訊，對進行比較的過程，也就是透過若干組二值分類，結果就可以得到相應的年齡估計值，透過尋找當前年齡標籤，在年齡序列中的相對位置，來確定最終的年齡值，從而有效克服了傳統的年齡估計方法，忽略了人類臉部衰老過程中的動態性、模糊性，以及個性化的特點.
3.2.4 混合年齡估計模型
不同的估計模式，具有不同的優勢，因此可以將各種估計模式綜合起來，進行年齡的估計。所謂混合年齡估計模式，就是使用多個不同的年齡估計器，代替單個年齡估計器來進行年齡估計。
04 深度學習方法研究思路
近年來伴隨著深度學習的火爆，應用深度學習方法，解決人臉年齡估計問題，成為了主流。
實際上，就是利用深度學習自己學習特徵，替換掉了上面傳統方法提取的一系列特徵。在大數據的加持下，模型的加強性遠超傳統方法。下圖就是文獻【1】，奪得 ChaLearn LAP 2015 challenge 的 pipeline。
該文是多個模型的融合，將年級估計問題作為一個 0~100 歲的 101 類的分類問題來研究。
有的文獻會利用神經網路提取特徵後，做一些 PCA 的維度，實際上筆者認為沒有這個必要。
在經過正確的人臉檢測和對齊後，現有的深度學習模型，完全能夠 end-to-end 的解決這個問題。
總結
基於人臉的年齡估計，仍然是一個可以繼續研究的問題，因為以美顏等為代表的技術，干擾著算法的準確性。
不過，年齡的估計本身就不一定能反映真實的生理年齡，有的人就是比同齡人，顯得年輕很多或者老很多，所以該技術不可能像指紋辨識或者人臉辨識一樣，在非常重要的應用中獨當一面，而只能作為輔助算法。不過，研究研究還是很好玩的。
．物聯網即將徹底改變醫療保健的三種方式
The Future of Healthcare 醫療保健的未來
來源：物聯之家網
從可穿戴設備，到遠端監控和智慧感測器，甚至是醫療設備整合，物聯網不僅有能力保護患者的健康和安全，還能提高醫護人員的護理水準。
最重要的是，物聯網支持早期干預，可以在家中監測患者和老年人住院後的生命體徵，並自動報告異常事件，從而實現經濟、高效的醫療保健方式。
以下是物聯網即將徹底改變 —— 在某些情況下，已經徹底改變 —— 醫療保健的三種方式：
一、可穿戴設備
研究顯示，佩戴智慧手錶的人數正在逐漸成長。Gartner 最近報告表示，2017 年全球可穿戴設備銷售額成長了 17%。該機構預測，2020 年將是全球科技產業發展的分水嶺，可穿戴設備營收，將超越智慧手機市場，規模可達 617 億美元，銷售量可望達到 4.7775 億件。
顧名思義，物聯網設備具備智慧和互聯的特性。它們有多種外形規格，具有優化的連接選項和功耗，適用於特定應用。
對於醫療保健應用，可穿戴設備上的感測器，以預定時間間隔，向雲端平台提供資訊，以分析和搜尋異常事件(例如，高血壓、低氧飽和度、低/高心率、高葡萄糖等)。
此外，如果某一種藥物有效，再如果睡眠品質，與一個地區糟糕的生命體徵，甚至傳染病的跡象有關，這也可以提供回饋。
雖然總是需要血液檢測，但隨著可穿戴技術變得更加先進和準確，更多的醫療保健測量，可以透過這種技術來完成，並且將從侵入性形式，轉變為非侵入性形式。
二、外部感測器
技術已經走過了漫長的時期。小的可穿戴設備 —— 例如智慧手錶、戒指和貼片，可以在低功耗模式下使用，電池可以使用多年。
許多人透過藍牙、Wi—Fi，甚至蜂窩行動連網來傳送數據。這對患有慢性疾病，和健康狀況不佳的患者非常重要，在很大程度上，消除了他們重返醫院的可能，現在可以在家中佩戴感測器，來監測他們的生命體徵，甚至在數據出現異常，或引起關注時提醒醫生。
今天，無線感測器系統，可以收集以前從未獲取過的醫療數據。透過感測器、微控制器、微處理器和 Gateway、感測器數據，被進一步分析，併發送給雲端中心，然後再發送給護理人員。
物聯網設備網路，可以直接相互連接，以捕獲和共享重要數據。
三、主動預防性護理
可穿戴設備和感測器，可以讓人們管理自己的醫療保健和福祉。對於生病的患者，或嘗試預防病情惡化的患者，可穿戴設備和普通外部感測器，可以提供一定程度的自主權，同時仍讓醫生控制需要採取的行動。特別適用於老年人或痴呆症患者，它還有一個GPS，可以預先設定安全區域，並可以通知適當的當事人，讓他們知道該人處於危險之中。
此外，從這些物聯網設備收集的數據，不僅可以被醫療服務提供者使用，也可以被保險公司、醫院、健身中心等使用，以得出各種結論。所有這一切，都可以透過數百萬人，在相對較短時間內，以極低成本獲得數據。
但到目前為止，我們還不得不依靠形成的患者資料庫，來進行各項研究，大多數都是手動進行的。
傳統上，當人們想到家庭保健時，他們會考慮血壓測量和糖尿病檢測。但是，透過新的物聯網技術，越來越多的事情，都可以在家中完成。
儘管仍有挑戰需要克服(例如，感測器需要傳送數據，並且需要附近熱點；或者如果設備是藍牙連接，它還將需要另一個設備配合，比如手機)，但物聯網仍將會改善醫療保健系統，並徹底改變我們看待健康的方式。
 |
．城市軌跡大數據是個怎樣的「富礦」
How Waze uses crowdsourcing for better traffic data Waze 如何利用眾包獲得更好的交通數據
來源：數據觀
手機營運商數據
無論在國內還是國外，行動手機的營運商數據，作為一種軌跡數據，也已被廣泛用於各類研究和商業應用。
手機數據有兩種類型：基於信元塔的數據，主要包含小區塔流量和切換資訊；基於行動電話的用戶數據，通常包含匿名用戶ID、小區塔 ID，以及電話、位置、日期和時間的資訊。
目前，出於數據類型和研究目的的不同，用來處理和分析手機數據的方法，包括傳統的數據挖掘技術，如聚類方法和基於規則的算法，新技術有可視化工具，和複雜的機器學習方法。
手機數據在出行交通行為研究中，最基本的應用是檢測逗留(訪問)和提取出行次數。通常情況下，結合連續定位數據和歷史定位數據、計算個體在每個區域的定位頻率，可以檢測該用戶的停留情況。只需要手機使用的四個時空點，就能定義一個人的活動痕跡。
用戶的交通方式，可以使用蜂窩網路的數據，根據連接信號強度的波動變化率，做較粗略的估計。目前透過這類數據，可辨識的出行方式，主要包括停止、步行和機動車出行方式。
範圍更廣的交通方式，可以使用手機內置的 GPS 和運動感測器，採集更準確的定位和運動狀態資訊，判斷行駛速度和可能的方式。例如，利用智慧手機內置 GPS，和加速度感測器收集的數據，可以確定五種運輸方式，包括步行、跑步、騎自行車、停止、開車；區分八種出行方式，包括汽車、自行車、公共汽車、電車、火車、地鐵、步行、摩托車等。應用於上述數據分析的分類技術，包括決策樹分類器、隱藏的馬爾可夫模型、基於規則的分類器、人工神經網路、貝葉斯分類器等。
城市動力學研究，早已開始大規模使用手機數據。曾有一個名為「行動風景」的項目，使用手機數據可視化，展示了米蘭城市在時間和空間上的演化。
 |
REAL TIME ROME |
「即時羅馬項目」，則使用羅馬的手機和出租車數據，描繪了城市脈搏。隨著手機營運商數據的部分開放，對手機信令的研究近幾年開始增多，主要集中在城市規劃和交通領域中。
比如，基於手機信令，對軌道交通早高峰客流和居民的職住通勤關係、大都市圈規劃進行研究。
傳統的出行行為研究，很難做到這樣幾乎覆蓋到整個人口的樣本。而手機數據最獨特、最吸引人的特點，就是它們的普及規模。由於其為研究者提供了縱向和個別的大量細節，因而非常適合用來研究城市管理問題。
．林業公司擴大 RFID 佈署
Hawaiian Legacy Reforestation CAPE COLLECTION
夏威夷傳統植樹造林廠
來源：RFID 射頻快報 作者：郭浩
夏威夷傳統硬木列印，和編碼 RFID 標籤，來記錄每棵樹的維護狀況和位置，同時該公司也打算用此方法，來跟蹤設備和工作人員。
四年之前，夏威夷傳統硬木(HLH)一直在夏威夷島(大島)的前農場上，種植寇阿相思木和一些其他的本土植物。該公司的營利性部門收穫植物是為了盈利，而非營利性部門 —— LegacyTrees.org，則是出於永久造林的目的，來種植寇阿相思木。
在 2013-14 播種季節，投資樹木以百為單位進行出售，一次性交付 9380 美元。非營利機構允許個人贊助 HLH 所稱的「遺產樹」，它常用來紀念內心所愛的人。
它的價格是 60 美元，其中的 20 美元，依照顧客的選擇，捐入一家慈善機構，而 1 美元捐贈給夏威夷群島土地信託。
公司的經營核心是 RFID 和 GPS 技術解決方案，這樣，從小樹苗成長為森林中的參天大樹過程中，每一棵都被辨識就成為了可能。
最初，該系統目的在透過無源超高頻(UHF) RFID 標籤，來唯一標識每棵樹，採用手持閱讀器的用戶，在種植樹木的時候，讀取這些標籤，25 年後，在收割時(見 RFID 幫助林農種植相思樹)再進行一次。
然而，為了支持造林活動的擴展，RFID 系統需要升級，以便能夠跟蹤大量的樹木。這些樹木，是客戶想要為永久性的森林種植和栽培的。
每棵樹苗都得到了相應的標籤，標籤透過 Zebra R110Xi4 RFID 列印機獲得
截至目前，夏威夷傳統硬木一直致力於在，莫納克亞休眠火山的山坡上 約 1000 畝土地，進行造林工作。不過，目前該公司正在談判購買足夠的面積，如果購買成功，將會使面積增大許多倍。
大多數公司業績的成長，一直在傳統的林木種植方面，個人購買的樹苗位於森林的專用區域，在那裡種植它們照料它們。
HLH 的首席資訊官威廉‧吉列姆說，一些新的功能已經被納入，其基於 RFID 技術的跟蹤系統，而另一些仍然在工作中，要在晚些時候實施。
例如，吉列姆說，為了緊跟需求，該公司最近開始其自身的 EPC Gen2 無源 RFID 標籤的列印和編碼。HLH 首次推出業務的時候，每年需要約 40,000 個標籤。但最近，僅僅一個種植季，該公司已經需要 120,000 個標籤。為了達到這個數目，該公司收購了 Simply RFID 公司提供的 RFID 列印編碼解決方案，載有 Zebra 技術的產品 R110Xi4 編碼列印機，使得生成標籤更迅速。
在過去，夏威夷傳統硬木要跟蹤樹木的位置，需要從 GPS 單元中收集數據。這些 GPS 單元被安裝在，以 100 棵為單位的樹木區域的四個角上。
現在該公司計劃為每棵樹，都獲得一個特定的 GPS 定位。為了達成這一目標，HLH 已經設計了自己的手持 RFID 閱讀器，它將在捕獲一顆特定樹的 GPS 位置同時，讀取標籤的 ID 號。
同樣的手持機(該公司目前正在測試其原型階段)，也可用於樹木的維護過程中，如施肥或澆水等。用戶只需輸入發生的動作，讀寫器就會讀取標籤，並將正在開展的任務，與相應的樹鏈接起來，並隨著時間和數據的變化，進行記錄。
吉列姆說，事實上，HLH 還打算在手持設備上，安裝一個攝影機，使工作人員在開展維護工作的同時，為樹木拍攝照片，然後將這些照片和相關的維護數據，儲存在伺服器軟體中，與標籤的 ID 號碼進行鏈接。
為 Confidex Carrier 標籤編碼後，HLH 將其附著在塑膠棒上，並進行密封，保護其免受環境損壞。
在來年，吉列姆還設想增加員工徽章、設備和工具的無源 EPC Gen 2 標籤數量。這樣該公司就可以追蹤，何人何地提供了何種服務，比如澆水或者鏟除侵害植物。在必要的時候它還可以更快定位設備，跟蹤等等。比如圍欄被修好了，就可以透過閱讀圍欄上，張貼的標籤來得到資訊。
吉列姆正在開發的新軟體，將允許個別樹業主，透過 RFID 號碼，從某張圖上定位一棵特定的樹，這張圖跟谷歌地圖上，發現的圖很相似。
該公司使用谷歌地球應用 app，作為可視化演示工具。該公司正在開發一個專有的系統，其中將採用一個開源的網路地圖平台，將每棵樹的位置數據，生成可以顯示的圖像。這項服務，透過 HLH 的網站投入使用。
當購買樹苗時，個人提供希望儲存在 ID 標籤中的資訊，比如姓名以及有關細節。然後客戶收到證書，裡面包括樹的有關細節，和標籤的唯一 ID。此標籤將在樹的整個生命歷程中保留，然後將標籤放置在幼苗旁邊的土壤中。
標籤透過 Zebra R110Xi4 列印機，進行編碼製作，標籤長 3 英吋，每個標籤跟樹樁相連，並浸入塑料密封劑，以確保其免受環境損壞。列印在 Confidex Carrier 標籤前面的 ID 號碼，與編入標籤 RFID 晶片的 ID 號碼相匹配，但它被塑膠密封劑覆蓋。
唯一的 ID 號碼，會進入 HLH 的管理系統，並與樹自身的資訊相連接，比如它的「媽媽」和由客戶提供的數據。到現在為止，標籤只有當樹苗被種植，以及一棵樹的身份，需要得到證實的時候被讀取。
然而，在未來的幾個月中，工人將配備 HLH 開發的手持閱讀器，出於參考的目的，所有為特定的樹提供的服務，可以與其 ID 號碼相鏈接 —— 此舉為了 HLH 的員工，和可以登錄網站，並跟蹤樹木生長過程的客戶。
例如，樹木要定期測量生長狀況，生長數據也被傳入系統。每次澆水或施肥，資訊也被傳入。基於 GPS 的定位資訊，也與 RFID 號碼一起儲存。
如果遊客來看自己的樹，該公司會提供給他們手持閱讀器。由於森林中的樹沒有確定的位置，因此很難將它們找出來。據吉列姆說，RFID 是隨著歲月變遷，唯一可以辨識它們的方式。
目前該公司正在跟其他世界各地的土地擁有者，討論看他們是否願意推出自己的森林。在這種情況下，夏威夷傳統硬木首席執行官傑弗里‧鄧斯特說，該公司可以提供咨詢服務，以及 RFID 解決方案。